library(pttrobo)
#> ✓ Loaded robonomistClient 2.2.1
#> ✓ Using local robonomistServer 2.5.8
library(tidyverse)
#> ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──
#> ✓ ggplot2 3.3.5 ✓ purrr 0.3.4
#> ✓ tibble 3.1.6 ✓ dplyr 1.0.8
#> ✓ tidyr 1.2.0 ✓ stringr 1.4.0
#> ✓ readr 2.1.2 ✓ forcats 0.5.1
#> ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag() masks stats::lag()
library(statfitools)
library(lubridate)
#>
#> Attaching package: 'lubridate'
#> The following objects are masked from 'package:base':
#>
#> date, intersect, setdiff, unionptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "B1GMH Bruttokansantuote markkinahintaan",
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "BKT") |>
ptt_plot(
grouping = tiedot,
title = "BKT Suomi",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)
#> Loading required namespace: robonomistServer
# luodaan bkt:t usa, suomi ja euroalue. indeksoidaan, perusvuodeksi 2020.
# indeksointi apufunktio
indeksoi <- function(d, vuosi = 2020){
d |> mutate(value = (value/mean(value[year(time) == vuosi])) * 100)
}
usa_bkt <-
ptt_data_robo("fred/GDPC1") |>
filter(time >= "2014-01-01") |>
indeksoi() |>
select(tiedot = series_id, time, value) |>
mutate(tiedot = "USA")
suomi_bkt <-
ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "B1GMH Bruttokansantuote markkinahintaan",
tiedot == "Kausitasoitettu ja työpäiväkorjattu sarja, viitevuosi 2015, miljoonaa euroa",
time >= "2014-01-01"
) |>
indeksoi() |>
select(tiedot, time, value) |>
mutate(tiedot = "Suomi")
euroalue_bkt <-
ptt_data_robo_l("eurostat/namq_10_gdp") |>
filter(
geo == "Euro area - 19 countries (from 2015)",
na_item == "Gross domestic product at market prices",
s_adj == "Seasonally and calendar adjusted data",
unit == "Chain linked volumes, index 2015=100",
time >= "2014-01-01"
) |>
indeksoi() |>
select(tiedot = na_item, time, value) |>
mutate(tiedot = "Euroalue")
yhdistetty_bkt_data <- rbind(usa_bkt, suomi_bkt, euroalue_bkt)
# apufunktio indeksoinnin laskemiseen
avg_value_2021 <- function(d, sarja){
d |>
filter(tiedot == sarja) |>
filter(year(time) == 2021) |>
pull(value) |> mean()
}
# Muokataan ennustedata.
bkt_vertailu_ennusteet <- ennuste_data |>
filter(sarja_nmi %in% c("BKT")) |>
mutate(across(matches("[0-9]{4}"), ~ as.double(.x))) |>
pivot_longer(cols = matches("[0-9]{4}"), names_to = "year") |>
select(year, sarja_nmi, value) |>
group_by(sarja_nmi) |>
slice_tail(n = 2)
#muokataan suomen BKT ennustedata indeksoituun muotoon
ennuste_indeksoitu_2022 <- bkt_vertailu_ennusteet |>
filter(year == "2022") |>
mutate(value = avg_value_2021(yhdistetty_bkt_data, "Suomi") * (1 + value/100))
ennuste_indeksoitu_2023 <- bkt_vertailu_ennusteet |>
filter(year == "2023") |>
mutate(value = (ennuste_indeksoitu_2022$value * (1 + value/100)))
ennusteet_suomi_bkt <- rbind(ennuste_indeksoitu_2022, ennuste_indeksoitu_2023) |>
mutate(sarja_nmi = "Suomi")
# luodaan kuvaaja käyttäen yhdistettyä bkt dataa sekä muodostettua ennustedataa
yhdistetty_bkt_data|>
ptt_plot(
grouping = tiedot,
title = "Bruttokansantuote",
subtitle = "Indeksi 2020 = 100",
caption = "Lähde: Tilastokeskus, BEA, Eurostat ja PTT",
rangeslider = FALSE,
## rangeslider = "2015-01-01",
zeroline = T,
hovertext = list(rounding = 1, unit = "(indeksi 2020=100)", extra = ""),
axis_limits = list(y = c(89, 113))
) |>
ptt_plot_add_prediction(ennusteet_suomi_bkt, custom_pred_data = TRUE)ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c("P7R Tavaroiden ja palvelujen tuonti, tulona",
"P6K Tavaroiden ja palvelujen vienti, menona"),
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P7R Tavaroiden ja palvelujen tuonti, tulona" = "Tuonti",
"P6K Tavaroiden ja palvelujen vienti, menona" = "Vienti"
)
) |>
ptt_plot(
grouping = tiedot,
title = "Vienti ja tuonti",
subtitle = "%, volyymin vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)ptt_data_robo_l("StatFin/kan/mata/kk/statfin_mata_pxt_12gf.px") |>
filter(
tiedot == "Tulojen ja menojen erotus (netto), miljoonaa euroa",
maksutase_era %in% c("CA Vaihtotase", "G Tavarat"),
time >= "2014-01-01"
) |>
mutate(time = year(time)) |>
with_groups(c(maksutase_era, time), filter, n() == 12) |>
with_groups(c(maksutase_era, time), summarize, value = sum(value)/1000) |>
mutate(
time = make_date(time, 7),
maksutase_era = recode(maksutase_era,
"CA Vaihtotase" = "Vaihtotase",
"G Tavarat" = "Kauppatase")
) |>
ptt_plot(
grouping = maksutase_era,
title = "Vaihtotase ja kauppatase",
subtitle = "Mrd. €",
caption = "Tilastokeskus",
rangeslider = F,
axis_limits = list(x = c("2014-01-01","2021-12-30")),
hovertext = list(dateformat="Annual", rounding = 2, unit = "Mrd. €", extra = ""),
plot_type = c("Vaihtotase" = "bar", "Kauppatase" = "scatter")
)ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "P3KS14_S15 Yksityiset kulutusmenot, menona",
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "Yksityinen kulutus") |>
ptt_plot(
grouping = tiedot,
title = "Yksityinen kulutus",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi == "P3KS13 Julkiset kulutusmenot, menona",
## tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(tiedot = "Julkinen kulutus") |>
ptt_plot(
grouping = tiedot,
title = "Julkinen kulutus",
subtitle = "Vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)ptt_data_robo_l("StatFin/jul/jyev/statfin_jyev_pxt_12sy.px") |>
filter(
time >= "2014-01-01",
tiedot == "Julkisyhteisöjen EDP-velan BKT-suhde, %"
) |>
mutate(tiedot = "Julkisen sektorin EDP-velan suhde BKT:hen") |>
select(tiedot, time, value) |>
ptt_plot(
grouping = tiedot,
title = "Julkisyhteisöjen velka",
subtitle = "Velan suhde BKT:hen, %",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
plotly::layout(
yaxis = list(range = c(55,75))
)ptt_data_robo("StatFin/kan/vtp/statfin_vtp_pxt_11sf.px") |>
filter(time >= "2014-01-01") |>
filter(taloustoimi %in% c("B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto",
"P31NCK Yksityiset kulutusmenot, menona"),
tiedot == "Volyymin muutokset, %") |>
mutate(taloustoimi = case_when(
taloustoimi == "B6NS14 Käytettävissä oleva tulo, kotitaloudet, netto" ~ "Käytettävissä olevat tulot",
taloustoimi == "P31NCK Yksityiset kulutusmenot, menona" ~ "Yksityinen kulutus"
)) |>
ptt_plot(
grouping = taloustoimi,
title = "Tulot ja kulutus",
subtitle = "%-muutos, reaalinen",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
)ptt_data_robo_l("StatFin/jul/jali/statfin_jali_pxt_122g.px") |>
filter(
sektori %in% c(
"S13 Julkisyhteisöt",
"S1311 Valtionhallinto",
"S1313 Paikallishallinto",
"S1314 Sosiaaliturvarahastot"
),
tiedot == "EDP-alijäämä (-) / EDP-ylijäämä (+), suhde BKT:hen, %",
time >= "2013-01-01"
) |>
mutate(sektori = recode(
sektori,
"S13 Julkisyhteisöt" = "Yhteensä",
"S1311 Valtionhallinto" = "Valtio",
"S1313 Paikallishallinto" = "Kunnat",
"S1314 Sosiaaliturvarahastot" = "Sosiaaliturvarahastot"
)) |>
ptt_plot(
grouping = sektori,
title = "Julkisen sektorin tasapaino",
subtitle = "Nettoluotonanto, % BKT:seen",
caption = "Lähde: Tilastokeskus ja PTT",
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
)ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c("P51K Kiinteän pääoman bruttomuodostus, menona",
"P51KXS13 Yksityiset investoinnit",
"P51KS13 Julkiset investoinnit"),
tiedot == "Kausitasoitetun ja työpäiväkorjatun sarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P51K Kiinteän pääoman bruttomuodostus, menona" = "Investoinnit",
"P51KXS13 Yksityiset investoinnit" = "Yksityiset investoinnit",
"P51KS13 Julkiset investoinnit" = "Julkiset investoinnit"
)
) |>
ptt_plot(
grouping = tiedot,
title = "Investoinnit",
subtitle = "%, volyymin vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)## |>ptt_data_robo_l("StatFin/kan/ntp/statfin_ntp_pxt_132h.px") |>
filter(
taloustoimi %in% c(
"P51K Kiinteän pääoman bruttomuodostus, menona",
"P51KN111+N112 Rakennusinvestoinnit",
"P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät",
"P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet"
),
tiedot == "Trendisarjan volyymin muutos vuodentakaisesta, %",
time >= "2014-01-01"
) |>
mutate(
tiedot = recode(taloustoimi,
"P51K Kiinteän pääoman bruttomuodostus, menona" = "Yhteensä",
"P51KN111+N112 Rakennusinvestoinnit" = "Rakennus",
"P51KN113+N114 Kone-, laite- ja kuljetusvälineinvestoinnit: asejärjestelmät" = "Kone ja laite",
"P51KN115+N117 Kasvatettavat varat ja henkiset omaisuustuotteet" = "Muut (aineettomat)",
)
) |>
ptt_plot(
grouping = tiedot,
title = "Investoinnit",
subtitle = "%, muutos, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) ## |>ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työllisyysaste, 15-64-vuotiaat, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työllisyysaste") |>
ptt_plot(
grouping = tiedot,
title = "Työllisyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)## |>ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työttömyysaste, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työttömyysaste") |>
ptt_plot(
grouping = tiedot,
title = "Työttömyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)## |>ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |>
filter(
tiedot == "Työvoima, 1000 henkilöä",
time >= "2014-01-01",
sukupuoli == "Yhteensä",
ikaluokka == "15 - 74"
) |>
mutate(tiedot = "Työvoima") |>
ptt_plot(
grouping = tiedot,
title = "Työvoima",
subtitle = "1000 henkilöä",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0,
unit = "(1000 henkilöä)", extra = "(ennuste)")) ## |>ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työlliset, 1000 henkilöä, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työlliset") |>
ptt_plot(
grouping = tiedot,
title = "Työlliset",
subtitle = "1000 henkilöä, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 0, unit = "(1000 henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 0,
unit = "(1000 henkilöä)", extra = "(ennuste)"))
tyovoima <-
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135y.px") |>
filter(
tiedot == "Työvoima, 1000 henkilöä",
time >= "2014-01-01",
sukupuoli == "Yhteensä",
ikaluokka == "15 - 74"
) |>
mutate(tiedot = "Työvoima") |>
select(tiedot, time, value)
# Lasketaan trendi työvoimalle
tyovoima <-
tyovoima |>
mutate(value = statfitools::trend_series(value, time = time))
tyolliset <-
ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |>
filter(
tiedot == "Työlliset, 1000 henkilöä, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työlliset")
# yhdistetään datasetit ja piirretään
rbind(tyovoima, tyolliset) |>
mutate(value = value / 1000) |>
ptt_plot(
grouping = tiedot,
title = "Työlliset ja työvoima",
subtitle = "Miljoonaa, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 2, unit = "(miljoonaa henkilöä)", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data, hovertext = list(rounding = 2,
unit = "(miljoonaa henkilöä)", extra = "(ennuste)"),
value_multiplier = 0.001) |>
plotly::layout(
yaxis = list(range = c(2.2,3))
)# työttömyysaste, jolle ennuste
tyottomyysaste <- ptt_data_robo_l("StatFin/tym/tyti/kk/statfin_tyti_pxt_135z.px") |> # työttömyysaste
filter(
tiedot == "Työttömyysaste, %, trendi",
time >= "2014-01-01"
) |>
mutate(tiedot = "Työttömyysaste")
# tem työttömyysaste, lisäksi tehdään trendimuutos
tem_työttömyysaste <- ptt_data_robo_l("StatFin/tym/tyonv/kk/statfin_tyonv_pxt_12tf.px") |>
filter(tiedot == "Työttömien työnhakijoiden %-osuus työvoimasta (%)",
alue == "KOKO MAA",
time >= "2014-01-01") |>
mutate(tiedot = "Työttömyyysaste (TEM)") |>
select(tiedot, time, value) |>
mutate(value = statfitools::trend_series(value, time = time))
# yhdistetään datasarjat ja plotataan
rbind(tyottomyysaste, tem_työttömyysaste) |>
ptt_plot(
grouping = tiedot,
title = "Työttömyysaste",
subtitle = "%, trendi",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
zeroline = T,
hovertext = list(rounding = 1, unit = "%", extra = "")
) |>
ptt_plot_add_prediction(ennuste_data)ptt_data_robo_l("tidy/10yield") |>
drop_na() |>
filter(time >= "2008-01-01") |>
select(maa, time, value) |> ## TODO bug in ptt_plot
ptt_plot(
grouping = maa,
title = "Pitkät korot",
subtitle = "%",
caption = "Lähde: Suomen Pankki, Deutche Bundesbank, Fed ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2),
zeroline = T
) |>
ptt_plot_add_prediction(
# tehdään ennustedatan halutuille sarjoille muunnos jotta vastaa maa -sarakkeen maita
ennuste_data |>
mutate(sarja_nmi = case_when(
sarja_nmi == "10V USA" ~ "USA",
sarja_nmi == "10v Saksa" ~ "Saksa",
sarja_nmi == "10v Suomi" ~ "Suomi",
TRUE ~ sarja_nmi
)),
value_multiplier = 100
)ptt_data_robo("fred/DCOILBRENTEU") |>
drop_na() |>
filter(time >= "2012-01-01") |>
mutate(tieto = "Raakaöljy, Brent") |>
ptt_plot(
grouping = tieto,
title = "Raakaöljy",
subtitle = "$/barreli, Brent",
caption = "Lähde: Energy Information Administration ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2),
zeroline = T
) |>
ptt_plot_add_prediction(
ennuste_data
)ptt_data_robo("ecb/EXR", dl_filter = "D.USD.EUR.SP00.A") |>
drop_na() |>
filter(time >= "2012-01-01") |>
mutate(tieto = "Euro/USD") |>
ptt_plot(
grouping = tieto,
title = "Valuuttakurssi",
subtitle = "Yhdysvaltain dollaria per euro",
caption = "Lähde: Euroopan keskuspankki ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 2, unit = "$/€")
) |>
ptt_plot_add_prediction(
ennuste_data
)
#> No frequency attribute detected for hovertext time format, resorting to default %Y/%m/%d.cpi_es <-
ptt_data_robo("eurostat/prc_hicp_manr", geo_labels = "fi") |>
filter(
geo %in% c("Suomi", "EA"),
coicop == "All-items HICP"
) |>
mutate(geo = recode(geo, EA = "Euroalue")) |>
select(geo, time, value)
cpi_us <-
ptt_data_robo("fred/CPIAUCSL", units = "pc1") |>
mutate(geo = "USA") |>
select(geo, time, value)
bind_rows(cpi_es, cpi_us) |>
filter(time >= "2013-01-01") |>
mutate(geo = fct_relevel(geo, "Suomi", "Euroalue", "USA")) |>
ptt_plot(
grouping = geo,
title = "Kuluttajahinnat",
subtitle = "%-muutos",
caption = "Lähde: Tilastokeskus, Eurostat, BLS ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1),
zeroline = T
) ## |>Huom. reaalinen ansiotasoindeksi poikkeaa hieman edellisen ennusteen kalvosarjan kuviosta. Tarkista onko deflaattori ja indeksikaava sama. Tässä on käytetty kansallista kuluttajahintaindeksiä.
khi_q <-
ptt_data_robo("StatFin/hin/khi/kk/statfin_khi_pxt_11xd.px") |>
filter(
hyodyke == "0 KULUTTAJAHINTAINDEKSI",
tiedot == "Pisteluku"
) |>
mutate(time = floor_date(time, "quarter")) |>
with_groups(time, summarize, khi = mean(value))
ptt_data_robo("StatFin/pal/ati/nj/statfin_ati_pxt_11zt.px") |>
inner_join(khi_q, by = "time") |>
transmute(time, Nimellinen = value, Reaalinen = value/khi) |>
pivot_longer(c(Nimellinen, Reaalinen), names_to = "tieto")|>
with_groups(tieto, mutate, value = 100 * (value/lag(value, 4, order_by = time) - 1)) |>
filter(time >= "2013-01-01") |>
ptt_plot(
grouping = tieto,
title = "Ansiotasoindeksi",
subtitle = "%, vuosimuutos",
caption = "Lähde: Tilastokeskus ja PTT",
rangeslider = FALSE,
hovertext = list(rounding = 1),
zeroline = T
) ## |>
#> No frequency attribute detected for hovertext time format, resorting to default %Y/%m/%d.